MétaCan
Menu
Retour à la cohorte
Enregistrement W3131597219 · doi:10.7202/1075035ar

Le coenseignement et la différenciation pédagogique pour soutenir les besoins spécifiques des élèves à risque, en situation de handicap ou en difficulté d’adaptation ou d’apprentissage à l’éducation préscolaire

2021· article· fr· W3131597219 sur OpenAlexaffvenueabout
Louise Leclerc

Notice bibliographique

RevueÉducation et francophonie · 2021
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueCollaborative Teaching and Inclusion
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Au Québec, pour la majorité des enfants, l’entrée à l’éducation préscolaire se fera sans problème. Pour d’autres, les difficultés rencontrées auront des conséquences qui se répercuteront tout au long de leur scolarité. Pour mieux répondre aux besoins de ces élèves, plusieurs mesures de soutien peuvent être mises en place, dont le coenseignement. Très peu de recherches sur le coenseignement portent sur les pratiques effectives du personnel enseignant, surtout à l’éducation préscolaire. Cette étude de cas a comme objectif d’identifier et d’analyser les pratiques de différenciation au sein du groupe-classe afin de prendre en considération les besoins spécifiques des élèves à risque, handicapés ou en difficulté d’adaptation ou d’apprentissage. Cette recherche s’est réalisée auprès de deux enseignantes d’éducation préscolaire (5ans) de la région de Québec–Chaudière-Appalaches faisant du coenseignement à temps plein. Dix situations d’enseignement-apprentissage ont été observées entre janvier et mai 2018 toutes les deux semaines. Les données ont été recueillies par des observations filmées et des entretiens d’autoconfrontation. Les résultats montrent que le coenseignement à temps plein à l’éducation préscolaire constitue une forme de collaboration inclusive et permet la différenciation pédagogique des apprentissages et de l’enseignement pour répondre aux besoins des élèves de la classe.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,443
Score d'incertitude au seuil0,882

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,005
Communication savante0,0060,003
Science ouverte0,0020,005
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0180,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,032
Tête enseignante GPT0,334
Écart entre enseignants0,302 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueÉducation et francophonieMême sujetCollaborative Teaching and InclusionTravaux en français237 207